{"repo": "anionex/taskflow", "files": {"README.md": {"22b7d1aa468ddfd8db16a4baf35887194015d8c8": {"t": 1785768965.146883, "n": 4512, "h": "92760da5dd9a2b7e", "c": "\n\n
![\"TaskFlow](\"frontend/public/logo.png\")
\n\n# TaskFlow\n\n**用 AI 重塑你的任务清单**\n\n用自然语言说出想做的事，TaskFlow 用大模型自动解析成结构化、可执行、可推进的任务。\n核心理念：**用户少操作，系统多理解**。\n\n[](LICENSE)\n\n\n\n\n\n[在线体验](https://taskflowai.asia) · [下载桌面版](../../releases) · [反馈问题](../../issues)\n\n
\n\n\n\nhttps://github.com/user-attachments/assets/d15ffa3b-80f5-4703-a25a-a5e2170862c3\n\n30 秒看懂 TaskFlow\n
\n\n
\n\n## ✨ 功能\n\n| | |\n|---|---|\n| **智能任务录入** | 一句话或一段话建任务，模型自动判定单条/多条，解析出标题、分类、星级、起止时间，以**可编辑草稿**确认后才入库（不静默写入） |\n| **大任务拆解** | 识别「完成课程设计」等大目标，拆成带顺序的子任务，确认后生成「任务组」（父任务 + 一级子任务，含完成进度） |\n| **语义检索** | 自然语言查询任务，例如「快到期但还没做的」 |\n| **智能推进** | 早间推荐今天最该做的 3-5 件事 + 晚间今日总结，语气可设（温暖鼓励 / 冷静督促 / 简短效率） |\n| **对话式 Agent** | 增删改查全走自然语言，敏感操作前二次确认，不静默写库 |\n| **循环模板 → 习惯** | 按日/周/月自动生成任务（后台调度器），也可手动一键生成 |\n| **回收站** | 软删除、恢复、永久删除、清空 |\n| **每日打卡** | 连续/最长连续天数 + GitHub 风格的完成热力图 |\n| **任务统计** | 完成/待办/过期饼图 + 近 12 个月完成量柱状图 |\n| **数据导入导出** | JSON 一键备份/恢复 |\n| **三套主题** | 普通 / 护眼 / 夜间 |\n\n基础管理（CRUD、分类筛选、排序、搜索、分页、批量删除）自然都有，不再赘述。\n\n## 🧱 技术栈\n\n**Rust + Axum**（部署式后端）· **React + TypeScript + Vite**（网页/桌面共用前端）· **Tauri v2**（桌面外壳）· **Supabase / PostgreSQL**（中央数据库）· **OpenAI 兼容大模型**（默认经 aihubmix）\n\n## 🚀 快速开始\n\n### 在线使用\n\n直接打开 **[taskflowai.asia](https://taskflowai.asia)**，注册即用，无需安装。\n\n### 桌面版\n\n从 [GitHub Releases](../../releases) 下载对应平台的安装包：\n\n- macOS（Apple Silicon）：`TaskFlow_2.0.1_aarch64.dmg`\n- Windows（x64）：`TaskFlow_2.0.1_x64-setup.exe`\n\n安装包当前为**未签名**版本，首次打开需手动放行：\n\n- **macOS**：把 TaskFlow 拖入「应用程序」后，首次启动**右键点击 App → 打开**（而非双击），在弹窗中再次点「打开」。\n- **Windows**：运行 setup.exe 时若出现 SmartScreen 蓝色提示，点「更多信息 → 仍要运行」。\n\n桌面版打包时已内置生产后端地址 `https://taskflowai.asia/api`，安装即用，无需本地后端。\n\n## 🛠️ 本地开发\n\n### 前置条件\n\n- Rust（edition 2024，建议 1.85+）、Node.js 18+\n- 一个 PostgreSQL 数据库（推荐 [Supabase](https://supabase.com)）\n\n### 1. 配置环境变量\n\n在项目根目录创建 `.env`：\n\n```bash\nDATABASE_URL=postgres://user:pass@host:5432/postgres # 或 DATABASE_URL_POOLER（IPv4 Session Pooler，优先）\nPORT=8090 # 本地后端端口（与前端 dev 代理一致）\nLLM_BASE_URL=https://aihubmix.com/v1 # OpenAI 兼容端点\nLLM_API_KEY=sk-... # 默认大模型 key（用户也可在设置里自带 key）\nLLM_MODEL=deepseek-v4-flash\nLLM_MODEL_STRONG=deepseek-v4-pro\n```\n\n> `LLM_MODEL` 的取值取决于 `LLM_BASE_URL` 所指服务。默认经 aihubmix 用 `deepseek-v4-flash`；若用户在「设置」里填官方 DeepSeek 的 key，模型名应填 `deepseek-chat`。\n\n### 2. 初始化数据库\n\n把 `migrations/0001_init.sql` 应用到你的 PostgreSQL（Supabase 可在 SQL Editor 执行，或用 psql）：\n\n```bash\npsql \"$DATABASE_URL\" -f migrations/0001_init.sql\n```\n\n### 3. 启动后端（Axum，提供 `/api`）\n\n```bash\nPORT=8090 cargo run\n```\n\n后端默认监听 `0.0.0.0:8090`（不设 PORT 时为 8080），仅提供 `/api/*`；前端静态资源在生产由反向代理（Caddy）托管。\n\n### 4. 启动前端（Vite dev，`:5173`）\n\n```bash\ncd frontend\nnpm install\nnpm run dev # http://localhost:5173 ，/api 自动代理到 http://localhost:8090\n```\n\n### 5. 构建产物\n\n```bash\ncd frontend\nnpm run build # 产出网页静态资源 dist/\nnpm run tauri build # 产出桌面安装包（macOS .dmg / Windows .exe）\n```\n\n## ✅ 测试\n\n集成测试连接 `.env` 中的数据库，AI 链路用本地 Mock LLM，按官方建议串行执行：\n\n```bash\ncargo test -- --test-threads=1\n```\n\n## 📁 项目结构\n\n```text\n.\n├── Cargo.toml\n├── migrations/\n│ └── 0001_init.sql # 建库脚本（users/sessions/tasks/task_templates/checkins + 仅一级子任务触发器）\n├── src/ # Rust 后端（Axum）\n│ ├── main.rs # 入口：连接池、启动调度器、启动 Axum\n│ ├── lib.rs # build_app：路由汇总（网页/测试共用）\n│ ├── config.rs state.rs response.rs models.rs util.rs\n│ ├── auth.rs # 注册/登录/会话(Argon2)/改密\n│ ├── tasks.rs # 任务/子任务 CRUD、批量、任务组、排序、分页\n│ ├── recycle.rs templates.rs checkin.rs user.rs data.rs\n│ ├── ai.rs # 解析/批量/改写/拆解/检索/早晚推荐/对话式 Agent（OpenAI 兼容）\n│ └── scheduler.rs # 模板自动生成后台调度\n├── frontend/ # React + TS + Vite（网页与 Tauri 桌面共用）\n│ ├── src/ # pages / sections / components / api / store / styles\n│ └── src-tauri/ # Tauri v2 桌面外壳\n├── promo/ # 宣传片素材与渲染工程\n├── tests/integration_tests.rs\n└── docs/ # 需求/设计/API 总结文档\n```\n\n"}}}}